本周，語言技術(shù)愛好者值得慶祝。微軟宣布其對話式語音識別技術(shù)實(shí)際上超過了專業(yè)人工抄寫員的平價(jià)。錯(cuò)誤率為5.1%，比去年的實(shí)測值降低了12%，創(chuàng)造了新的行業(yè)標(biāo)準(zhǔn)，有望成為豐富微軟商業(yè)服務(wù)(包括翻譯領(lǐng)域的商業(yè)服務(wù))的福音。

微軟語音與對話研究組首席語音科學(xué)家黃表示，這個(gè)成功案例的一個(gè)亮點(diǎn)是微軟認(rèn)知工具包2.1。這個(gè)工具在開源許可下免費(fèi)發(fā)布在Github上，用于處理大量數(shù)據(jù)集。在這種情況下，它已經(jīng)被訓(xùn)練處理Switchboard，這是一個(gè)美國英語的260小時(shí)錄音電話對話的數(shù)據(jù)集。它們創(chuàng)建于1990年和1991年。德州儀器集合，從那以后，它們被用于語音識別領(lǐng)域的各種行業(yè)和學(xué)術(shù)項(xiàng)目。

微軟的許多產(chǎn)品都受益于其研究團(tuán)隊(duì)的工作。其中，Presentation Tran翻譯7月剛剛上線。公司。由微軟翻譯語言學(xué)家翻譯公司PowerPoint插件支持實(shí)時(shí)功能，演示文稿跨語言翻譯。公司將現(xiàn)場演示文稿從十種語言(尤其是阿拉伯語、中文(普通話)、英語、法語、德語、意大利語、日語、葡萄牙語、俄語和西班牙語)翻譯成60種支持的文本語言，并作為幻燈片字幕輸出。此外，對于英文和中文用戶，演示文稿翻譯語言學(xué)家翻譯。公司允許用戶定制他們的語音輸入，以處理他們的行業(yè)專用術(shù)語和術(shù)語。據(jù)微軟稱，準(zhǔn)確率提高了30%。

正如黃在他關(guān)于該團(tuán)隊(duì)成就的博客文章中指出的那樣，這種對話語音識別準(zhǔn)確性的提高帶來了一些警告。帶口音的口音，多語言和多方對話，甚至嘈雜的背景環(huán)境都在不斷挑戰(zhàn)這項(xiàng)技術(shù)。此外，正如機(jī)器翻譯用戶可以輕松證明的那樣，并非所有語言都支持世界上最常用的語言。

然而，這一成功以及語音識別領(lǐng)域的其他成功對翻譯和本地化客戶意味著什么？包括微軟、蘋果和谷歌在內(nèi)的全球參與者正在結(jié)合人工智能、深度學(xué)習(xí)技術(shù)和機(jī)器翻譯引擎，為全球商業(yè)客戶提供多語言產(chǎn)品和服務(wù)的無縫交付以及隨之而來的多語言營銷。

甚至終端消費(fèi)者也從中受益，因?yàn)檫@些語音識別系統(tǒng)推動了智能虛擬助理(IVAs)，如微軟的Cortana(用于Windows 10)、蘋果的Siri和亞馬遜的Alexa，正在進(jìn)入越來越多的家庭。

事實(shí)上，就在上周，亞馬遜宣布推出Alexa語音服務(wù)設(shè)備SDK，向外部開發(fā)者開放Alexa。最近，Mozilla宣布了一個(gè)名為Common Voice的項(xiàng)目，該項(xiàng)目正在尋求志愿者為開源語音識別系統(tǒng)做出貢獻(xiàn)，作為一種非專有的替代方案。根據(jù)研究公司根據(jù)全球市場洞察，到2024年，多語言和全球IVA市場將達(dá)到75億美元以上(如預(yù)期)，語音識別技術(shù)的發(fā)展和全球移動技術(shù)市場的增長(并不奇怪)。

無論是為私營部門或公共部門開發(fā)，還是在我們的工作場所或汽車上使用，語音識別技術(shù)的進(jìn)步都將改變我們的全球多語言市場。感謝微軟研究團(tuán)隊(duì)的貢獻(xiàn)。